Vol.23 闵乐泉等：一种恢复数字化畸变凸性图象的算法 575· 复.也就是说增强算子恢复像点形状的概率比 像示于图3(c)和图4(c).它们的2值图像（图3(d) 造成像点模糊的概率要大得多 和图4()显示像点的边界变得模糊不清，图像 中出现了大量噪声点.图3(e3G)和图4(e)4G) 3计算机模拟 分别是增强算子S,处理图3(c)和图4(c)后得到 用增强算子来处理带有高斯噪声的凸亮斑 的图像及对应的2值图像.随着处理次数的增 计算机模拟像，以加深理解上节关于增强算子 加，像点的边界变得越来越光滑，而噪声点越来 的解释.图3(a)和4(a)是具有200×200个像素的 越少，虽然最后仍然有一个噪声点（图3（①）和3G) 计算机模拟像.在第(，)个像素处所产生的图像 不能被增强算子所擦除，但该噪点的面积只有 函数fi)时，被定义为： 43个像素，它很容易通过计算机程序或视觉与 fiJ)=round[255exp(-0.01√i-100y+0-100)] 具有20226个像素大的像点相区分. 和 图3(a)一个计算机模拟的圆像点图像，和b) fi-oumd[255exp(-0.01√2(i-100+V0-100)] 它的2值图像，取边界灰度g-150.(c)图像(a)中 其中1≤≤200. 加人了均值为0，均方差为20的高斯噪声，和(d) 因此图3(a)中有一个圆像点；而图4a)中有 它的2值图像，取边界灰度g150,(e)图像(c)的第 一个椭圆像点.它们的2值图像示于图3()和 1次增强像，和（①它的2值图像，取边界灰度 图4(b).在图3(a)和图4(a)中加入噪声后，其变形 g=150.(g)图像(c)的第2次增强像，和h)它的2 值图像，取边界灰度g=150,()图(c)的第10次增 d 图4计算机模拟像.(a)和(b)理像圆像点和其2值像；(c)和(d被Gaussian噪声扰动的像；增强算子处理像(e)) Fig.3 Computer simulated images (b) d) 图4计算机模拟像.(a)和(b)理像椭圆像点和其2值像；(c)和(d)被Gaussian噪声扰动的像；增强算子处理像(e一) Fig.4 Computer simulated images